[发明专利]一种基于特征增强ConvLSTM的雾霾预测方法

摘要

本发明涉及一种基于特征增强ConvLSTM的雾霾预测方法。目的是解决现有的雾霾预测方法过多地依赖前提假设、预测结果准确率不高、未运用数据空间信息的技术问题。技术方案为：一种基于特征增强ConvLSTM的雾霾预测方法，包括如下步骤：数据预处理；生成图像数据；ConvLSTM特征融合；CNN特征提取；多元LSTM时间序列预测，其中本发明预测方法中作为训练样本的是图像数据，提取特征后，对各层特征分别进行两两融合得到预测图，本发明基于深度神经网络探索天气系统对雾霾的影响以及雾霾数据的时空相关性，建立细粒度雾霾预测模型，极大地提高了雾霾预测的深度、广度和精确度；充分地利用了空间信息，通过特征融合保证了预测结果的准确性以及模型的稳定性。